R語言之數據結構
R語言擁有許多用于存儲數據的對象類型，包括標量、向量、矩陣、數組、數據框、列表、因子。
1.標量：標量是只包含一個元素的向量
|
1
2
3
|
> a <- 1; # 數值型
> b <- "China"; # 字符型
> c <- TRUE; # 邏輯型
|
2.向量：向量用于存儲數值型、字符型或邏輯型數據的一維數組。通過c()函數來創建向量
|
1
2
3
|
> d <- c(1,2,3);
> e <- c("China","USA");
> f <- c(T,F,F,T);
|
3.矩陣（matrix）：矩陣是一個二維數組，每個元素都擁有相同的模式（數值型、字符型、邏輯型），一般通過函數matrix()來創建矩陣
matrix(data = NA, nrow = 1, ncol = 1, byrow = FALSE, dimnames = NULL) data:包含了矩陣的元素; nrow 和 ncol:用于指定矩陣的行數和列數; byrow=F:默認創建的矩陣按照列進行排列; dimnames：創建矩陣時可以設置行和列的名稱(必須為列表形式);
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
|
> m1 <- matrix(1:8,nrow=4)
#默認按列填充
> m1
[,1] [,2]
[1,] 1 5
[2,] 2 6
[3,] 3 7
[4,] 4 8
#設置byrow=T,將元素按照行進行填充
> m2 <- matrix(1:8,nrow=4,byrow=T)
> m2
[,1] [,2]
[1,] 1 2
[2,] 3 4
[3,] 5 6
[4,] 7 8
# 設置矩陣行和列的名稱
> m3 <- matrix(1:8,nrow=4,byrow=T,dimnames=list(c("r1","r2","r3","r4"),c("c1","c2")))
> m3
c1 c2
r1 1 2
r2 3 4
r3 5 6
r4 7 8
|
4.數組（array）：與矩陣類型，但是維度可以大于2，數組可以通過array()函數進行創建；數組中的數據也只能擁有一種模式（數據類型），如果數組中的數據有其他的數據類型，R會自動將所有數據轉換為同一模式
array(data = NA, dim = length(data), dimnames = NULL) data:包含了數組中的數據; dim:是一個數值型的向量,給出了各個維度下標的最大值; dimnames:各個維度名稱標簽的列表;
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
> arr <- array(1:24,dim=c(4,3,2))
> arr
, , 1
[,1] [,2] [,3]
[1,] 1 5 9
[2,] 2 6 10
[3,] 3 7 11
[4,] 4 8 12
, , 2
[,1] [,2] [,3]
[1,] 13 17 21
[2,] 14 18 22
[3,] 15 19 23
[4,] 16 20 24
|
5.數據框（data.frame）：數據框類似于二維表格，包含行和列，是R中最常處理的數據結構。不同的列可以包含不同的模式，每一列數據的模式必須唯一；數據框可以通過函數data.frame()進行創建data.frame(..., row.names = NULL, check.rows = FALSE, check.names = TRUE, stringsAsFactors = default.stringsAsFactors())row.names：設置數據框行的名稱; check.rows:默認為FALSE，檢查行的名稱和數量是否一致; check.names：邏輯值，默認為TRUE,如果為TRUE，變量的名稱不能夠重復，如果重復，則R會自動進行轉換以保證列名不同; stringsAsFactors :是否將字符串轉換為因子（factor）類型，stringsAsFactors 默認為TRUE，即default.stringsAsFactors()的值為TRUE，將字符串轉換為因子;
|
1
2
3
4
5
6
7
8
9
10
11
|
> g <- data.frame(a=c(1,2,3),a=c(4,5,6),row.names=c("n1","n2","n3"),check.names=T)
> g
a a.1
n1 1 4
n2 2 5
n3 3 6
> g["a.1"] #由于數據框g有重復列名a，因為設置了check.names=T,R內部會自動將第二列的列名a轉換為a.1
a.1
n1 4
n2 5
n3 6
|
6.列表（list）：是一個有序對象的集合，列表允許整合若干對象到單個對象名下，可以通過list()函數進行創建
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
|
> k <- list(d=5:9,e="China") # 創建列表k，包括d和e兩個對象
> l <- list(title="mylist",a=1:3,b=matrix(1:8,nrow=2),c=c("one","two"),k) #創建列表l,l列表中包含了列表k（列表中也可以包含列表對象）
> l
$title
[1] "mylist"
$a
[1] 1 2 3
$b
[,1] [,2] [,3] [,4]
[1,] 1 3 5 7
[2,] 2 4 6 8
$c
[1] "one" "two"
[[5]]
[[5]]$d
[1] 5 6 7 8 9
[[5]]$e
[1] "China"
|
7.因子（factor）:類別（名義型）變量和有序類別（有序型）變量在R中稱為因子。因子型數據在計算機內部存儲為整型數據，因子水平屬性將每個整型數據映射到一個因子水平上。因為整型數據占的存儲空間較少，因 此這種方式比字符串向量更節省存儲空間。
factor(x = character(), levels, labels = levels, exclude = NA, ordered = is.ordered(x), nmax = NA) x:用于轉換為因子的字符向量數據; levels：因子水平向量,因子型變量可以取得的所有值被稱為因子水平; labels:字符型向量,labels與levels有相同的數量或者只有一個; excelude:生成水平時要去除的水平; ordered:默認為FALSE,設置為TRUE，表示有序型變量,用以確定levels 是否應該被視為有序的（按照給定的順序）; nmax: 設定水平數量的上限值
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
|
> x <- factor(x=c("middle","small","big","large"),levels=c("small","middle","big","large"),ordered=T)
> x
[1] middle small big large
Levels: small < middle < big < large # R在輸出有序因子時會顯示因子水平的順序
> y <- factor(x=c("middle","small","big","large"),levels=c("small","middle","big","large"),ordered=T,labels=c(1,2,3,4))
> y
[1] 2 1 3 4
Levels: 1 < 2 < 3 < 4
> z <- factor(x=c("middle","small","big","large"),levels=c("small","middle","big","large"),exclude=c("small","middle"))
> z
[1] <NA> <NA> big large # 由于去除了水平small和middle，所以原始數據中水平為small和middle的值輸出為NA
Levels: big large
> x.integer <- unclass(x) # 通過移除因子x的類屬性創建整型向量x.integer 注意此時因子x本身并沒有發生變化
> x.integer
[1] 2 1 3 4
attr(,"levels")
[1] "small" "middle" "big" "large"
> class(x.integer)
[1] "integer"
|
數據分析咨詢請掃描二維碼
若不方便掃碼，搜微信號：CDAshujufenxi
CDA數據分析師證書考試體系（更新于2025年05月22日）
2025-05-26解碼數據基因：從數字敏感度到邏輯思維 每當看到超市貨架上商品的排列變化，你是否會聯想到背后的銷售數據波動？三年前在零售行 ...
2025-05-23在本文中，我們將探討 AI 為何能夠加速數據分析、如何在每個步驟中實現數據分析自動化以及使用哪些工具。 數據分析中的AI是什么 ...
2025-05-20當數據遇見人生：我的第一個分析項目 記得三年前接手第一個數據分析項目時，我面對Excel里密密麻麻的銷售數據手足無措。那些跳動 ...
2025-05-20在數字化運營的時代，企業每天都在產生海量數據：用戶點擊行為、商品銷售記錄、廣告投放反饋…… 這些數據就像散落的拼圖，而相 ...
2025-05-19在當今數字化營銷時代，小紅書作為國內領先的社交電商平臺，其銷售數據蘊含著巨大的商業價值。通過對小紅書銷售數據的深入分析， ...
2025-05-16Excel作為最常用的數據分析工具，有沒有什么工具可以幫助我們快速地使用excel表格，只要輕松幾步甚至輸入幾項指令就能搞定呢？ ...
2025-05-15數據，如同無形的燃料，驅動著現代社會的運轉。從全球互聯網用戶每天產生的2.5億TB數據，到制造業的傳感器、金融交易 ...
2025-05-15大數據是什么_數據分析師培訓 其實，現在的大數據指的并不僅僅是海量數據，更準確而言是對大數據分析的方法。傳統的數 ...
2025-05-14CDA持證人簡介： 萬木，CDA L1持證人，某電商中廠BI工程師 ，5年數據經驗1年BI內訓師，高級數據分析師，擁有豐富的行業經驗。 ...
2025-05-13CDA持證人簡介： 王明月 ，CDA 數據分析師二級持證人，2年數據產品工作經驗，管理學博士在讀。 學習入口：https://edu.cda.cn/g ...
2025-05-12CDA持證人簡介： 楊貞璽 ，CDA一級持證人，鄭州大學情報學碩士研究生，某上市公司數據分析師。 學習入口：https://edu.cda.cn/g ...
2025-05-09CDA持證人簡介 程靖 CDA會員大咖，暢銷書《小白學產品》作者，13年頂級互聯網公司產品經理相關經驗，曾在百度、美團、阿里等 ...
2025-05-07相信很多做數據分析的小伙伴，都接到過一些高階的數據分析需求，實現的過程需要用到一些數據獲取，數據清洗轉換，建模方法等，這 ...
2025-05-06以下的文章內容來源于劉靜老師的專欄，如果您想閱讀專欄《10大業務分析模型突破業務瓶頸》，點擊下方鏈接 https://edu.cda.cn/g ...
2025-04-30CDA持證人簡介： 邱立峰 CDA 數據分析師二級持證人，數字化轉型專家，數據治理專家，高級數據分析師，擁有豐富的行業經驗。 ...
2025-04-29CDA持證人簡介： 程靖 CDA會員大咖，暢銷書《小白學產品》作者，13年頂級互聯網公司產品經理相關經驗，曾在百度,美團,阿里等 ...
2025-04-28CDA持證人簡介： 居瑜 ，CDA一級持證人國企財務經理，13年財務管理運營經驗，在數據分析就業和實踐經驗方面有著豐富的積累和經 ...
2025-04-27數據分析在當今信息時代發揮著重要作用。單因素方差分析（One-Way ANOVA）是一種關鍵的統計方法，用于比較三個或更多獨立樣本組 ...
2025-04-25CDA持證人簡介： 居瑜 ，CDA一級持證人國企財務經理，13年財務管理運營經驗，在數據分析就業和實踐經驗方面有著豐富的積累和經 ...
2025-04-25
京公網安備 11010802034615號
經營許可證編號：京B2-20210330
